不知道叫什么名字

机器学习基础

https://zh.coursera.org/course/ntumlone

机器学习技法

https://zh.coursera.org/course/ntumltwo

这两门都是很好的入门课程，唯一遗憾的是，林轩田老师去工业界了，不会亲自再开这两门课，但是 Course Materials 仍然可以访问。hw可能有点难，我上学期上技法的时候，每次都要花一两天才能拿到勉强 325+/400。但是他的用意是把课上不会讲的东西放在hw里，所以大可不必太过担心，实在有不会的，可以去看看《Learning from data》这本书（我没有看，但他声称这本书覆盖了他的内容）， 或者把讲义再看一遍。这门课的 note 基本每周都有（非官方），这个要自己搜一下。我这有保存着技法 note 的一个网址：

http://blog.jasonding.top/

Stanford 的 cs229

https://zh.coursera.org/learn/machine-learning

有史以来最有代表性的公开课，Andrew Ng （这个人物很有名，coursera的co-founder，百度dl院的首席科学家）亲自授课，超简单，只有技术细节，少有理论解释，与台大的课形成鲜明对比。但同时是有一些 insight 的。使用 matlab ，其实很容易，我现学的。

这两门课上完，应该机器学习的基础是有了（我也就只有这两门课的水平，但是如果不搞学术，大家都差不多）。当然，要是搞研究还早。只不过 PRML， MLAPP 这些书我也看不下去，所以也没法给推荐。不过几个月前入了周志华老师（南大LAMDA实验室的头，学术大牛）的一本《机器学习》，新书，感觉很不错，主要是读着有意思，推荐给你。周志华老师的微博：

http://weibo.com/zhouzh2012?from=myfollow_all

《统计学习基础》这本书也有很多人推，我买来看了很少（就一两个算法），是主要介绍算法的，如果想对某些算法做不深不浅的了解，非常合适。作者是李航博士，wb：

http://weibo.com/u/2060750830?from=myfollow_all

至于语言方面，我差不多就是你这个时候学了 python，坦白讲 python 用的最多，但以后做统计的时候，很有可能导师非要用 R 或者 Matlab， 但是它们能做的， python 也能做， 反过来就不是了。这是python的一个基础教程，不太建议上 MOOC ，我当时上了一个 Rice 的课，教的很慢，学不到什么。建议看教程，直接上py3：

http://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000

python 基本语法，和几个糖学会了，就能写程序了，「写」python 本来就很容易。

但是平时还要用到别的几个库：比如scipy numpy matplotlib sklearn sympy 我一般就是要用的时候就翻 API 。还要使用IPython。

对了，别上JH的课，他家是圈钱的。

一门没上过的，不负责推荐：

https://zh.coursera.org/course/scicomp

339390736，一个讨论较多的群。